首页 > 论文范文 > 医药卫生论文 > 影像检验论文 > PET/CT论文 > 肺腺癌EGFR基因突变在18F-FDG PET/CT代谢参数联合肿瘤标志物基础上的预测分析

肺腺癌EGFR基因突变在18F-FDG PET/CT代谢参数联合肿瘤标志物基础上的预测分析

2020-07-08 491 上传者：管理员

摘要：目的探讨18F-FDG正电子发射断层显像计算机断层扫描代谢参数联合肿瘤标志物对肺腺癌EGFR基因突变的预测价值。方法选取2010-01至2018-08于武警特色医学中心PET/CT检查诊断为原发性肺癌并经组织病理学证实为肺腺癌的患者,提取患者的基本临床资料、PET/CT影像学特征、PET/CT代谢参数、肿瘤标志物水平及EGFR基因突变数据,根据EGFR是否突变将所有患者分为突变型组与野生型组。通过单因素logistic回归分析,将对EGFR基因突变有预测价值的相关参数纳入预测模型,绘制ROC受试者工作曲线,计算其Cutoff值,对比各个模型的AUC值,建立可预测EGFR基因突变的模型,并分析该模型的预测效能。结果共纳入肺腺癌105例,EGFR突变型32例(30.5%),EGFR野生型73例(69.5%),多因素分析显示两组之间的基本临床资料(性别χ2=5.74,P=0.017)、吸烟(χ2=4.60,P=0.032)、CT影像特征[密度χ2=5.77,P=0.016)、毛刺征χ2=2.06,P=0.015)、肺内转移(χ2=2.91,P=0.088)]、PET/CT代谢参数[SUVmean(t=2.82,P=0.015)]、肿瘤标志物[CEA(t=-2.48,P=0.016)]具有统计学意义(P<0.05),是影响EGFR基因突变的独立影响因素,并以该独立影响因素建立了4种EGFR基因突变预测模型,相应的预测准确度分别为78.1%、81.0%、78.1%和81.9%,4种预测模型均具有预测的统计学意义(P<0.05)。结论与EGFR基因突变有关的单因素影响因子包括吸烟、性别、SUVmean、密度、毛刺征、肺内转移、CEA,而根据这些影响因子建立的预测模型4将有助于临床分析肺癌患者是否发生EGFR基因的突变,从而指导临床进行靶向药物的个体化治疗。

关键词：
标准化摄取值
正电子发射断层显像计算机断层扫描
癌胚抗原
肺腺癌
加入收藏

肺癌是我国最常见的恶性肿瘤之一,非小细胞肺癌(non-small cell lung cancer,NSCLC)约占80%,其中肺腺癌是NSCLC最常见的病理类型,有70%的肺腺癌患者发现时已为中晚期,导致治疗效果欠佳,5年生存率仅为17%[1,2]。近年来,对NSCLC分子生物学的相关研究促进了分子靶向药物治疗的进展,酪氨酸激酶抑制药(tyrosine kinase inhibitors,TKIs)已成为治疗表皮生长因子受体(epidermal growth factor receptor,EGFR)基因突变患者的有效方法,因此EGFR基因突变状态也是预测EGFR-TKIs治疗疗效的主要因素[3,4]。研究表明,NSCLC的电子计算机断层扫描(computed tomography,CT)影像特征、正电子发射断层显像计算机断层扫描(positron emission tomography/computed tomography, PET/CT)代谢参数与基因突变之间存在相关性[5],其中肺部CT特征对肺癌EGFR的突变有预测作用[6],而18F氟代脱氧葡萄糖(18-fluoro deoxy glucose,18F-FDG)PET/CT可同时反映病灶的代谢、功能等分子影像数据以及PET/CT解剖学信息,具有高灵敏性、高特异性、空间定位准确等特点[7]。因此,本研究将探讨18F-FDG PET/CT代谢参数联合肿瘤标志物对肺腺癌EGFR基因突变的预测价值。

1、资料与方法

1.1临床资料

选取2010-01至2018-08在武警特色医学中心经PET/CT检查诊断为原发性肺癌的105例患者,并经病理学(通过支气管镜、穿刺活检或手术切除取得组织标本)确诊为肺腺癌的患者。纳入标准:(1)组织病理证实为肺腺癌;(2)在肿瘤治疗前行18F-FDG PET/CT检查及肿瘤标志物检测;(3)进行EGFR基因突变检测;(4)无其他肿瘤病史;(5)患者及家属签署知情同意书,依从性较好。排除标准:(1)临床资料缺失;(2)确诊为转移性腺癌;(3)合并其他肺部慢性疾病,如肺结核、COPD及肺部慢性职业病等。

1.2 EGFR基因检测方法使用

目前,较为广泛采用扩增受阻突变系统法(amplification refractory mutation system,ARMS-PCR)检测EGFR热点突变基因(18-21外显子)的突变情况[8]。将手术或病理穿刺取出的肺癌组织用福尔马林进行固定、石蜡包埋,使用DNA提取试剂盒提取足量的DNA样本,所有DNA样本经分光光度计(美国Thermo Scientific公司)浓度检测达到50 mg/L即为合格样本,合格的DNA样本经ARMS-PCR扩增后再进行测序分析。所有步骤均按照说明书进行检测。

1.3 PET/CT检查及数据采集

采用美国GE公司PET/CT(Discovery ste16型)扫描仪采集图像,注射18F-FDG (3.70～5.55 MBq/kg)后进行PET/CT扫描。CT的扫描范围由颅顶扫描至股骨,层厚3.75 mm;PET采用3D采集并行重建技术,采集时间为3 min/床位,所有图像的重建及融合由工作站(AW4.4)进行。

1.3.1分析CT影像学特征

由两位副主任医师共同分析肺腺癌病灶的影像特征[9],共包括16项:(1)病灶的基本影像学征象4个,病灶分布(中央型或周围型)、形态和密度;(2)病灶内部特征6个,空泡及空洞、钙化、充气支气管征、液化坏死、分叶征、毛刺征;(3)病灶相关的其他特征6个,远处转移、纵隔或肺门淋巴结增大、肺内转移、肺气肿、胸膜凹陷征和胸腔积液。

1.3.2 SUV的采集

采用上海杏翔工作平台操作软件AW 4.4患者肺部病灶进行感兴趣区(Region of interest,ROI)勾画,自动获得病灶标准摄取值(standard uptake value,SUV)的最大值(SUVmax)与平均值(SUVmean)。

1.3.3病灶糖代谢体积(metabolic tumor volume, MTV)和病灶总糖代谢量(total lesion glycolysis,TLG)的采集

分别对肺癌PET/CT图像进行分析,设定绝对阈值为SUV40%,对病灶进行冠状面手动选取病灶范围,自动得出MTV值,单位mm3;TLG为MTV与SUVmean的乘积(TLG=MTV×SUVmean)。

1.4肿瘤标志物的测定

患者均清晨空腹采集静脉血5 ml,采用EDTA-K2处理,在抗凝后的2 h内完成NSE、CYFRA21-1及CEA血液水平的检测,采用美国贝克曼公司的库尔特UniCelDxI 600免疫分析仪对NSE、CYFRA21-1及CEA进行检测。

1.5建立EGFR基因突变预测模型并评价其诊断效能

根据患者的临床资料、影像学检查资料和实验室检查资料,通过logistic回归建立临床EGFR基因突变预测模型。采用R软件对模型的自变量数据和因变量数据(EGFR基因突变)进行数据可视化处理,对模型研究对象的各指标计分评估,并依据总评分对应的疾病风险值得出最终EGFR突变风险概率。

1.6统计学处理

采用SPSS 14.0和R软件进行数据分析,先进行单因素logistic分析,保留有统计学意义(P<0.05)的影响因素,再行多因素分析,再将多因素分析中有统计学意义(P<0.05)的因素纳入预测模型,建立对EGFR突变的多因素预测数学模型。通过R软件制作列线图,将有统计学差异的影响因素和因变量数据(EGFR基因突变)进行数据可视化处理。根据ROC曲线,计算其Cutoff值,对比模型间AUC值,得出预测效能最高的EGFR基因突变预测模型。

2、结果

2.1基本临床资料

最终纳入肺腺癌患者105例,EGFR突变型32例,EGFR野生型73例,其中男48例,女57例,年龄38～85岁,平均(63.0±11.1)岁。统计分析显示,EGFR野生型组和EGFR突变型组的性别和吸烟史因素差异有统计学意义(P<0.05),而年龄、临床分期、高血压、糖尿病及确诊方式差异无统计学意义(P>0.05,表1)。

表1两种类型肺腺癌患者的临床基本特征

2.2 CT影像学特征与EGFR突变的关系

通过卡方检验结果显示,EGFR野生型组和EGFR突变型组CT影像特征中的病灶密度、毛刺征与病灶远处转移具有统计学意义(P<0.05),而两组病灶的分布、形态、空洞及空泡等其他13项CT特征之间差异无统计学意义(表2)。

表2两种类型肺腺癌患者的CT影像学特征

2.3 PET/CT代谢参数与EGFR突变的关系

通过独立样本t检验,结果显示EGFR野生型组与突变型组的PET/CT代谢参数SUVmax、Mean、MTV和TLG分别为8.68±4.66、6.34±3.85、74.06±55.63、456.47±490.71与7.11±4.08、4.49±2.71、71.24±83.09、390.12±651.15,其中两组之间的SUVmax、MTV和TLG无统计学意义(P值分别为0.088、0.861、0.608),而SUVmean差异具有统计学意义(t=2.82,P=0.015)。

2.4肿瘤标志物与EGFR突变的关系

EGFR野生型组与突变型组之间的肿瘤标志物:CEA具有统计学意义(t=-2.48,P=0.016),而CYFRA21-1和NSE之间无统计学差异(P值分别为0.481、0.422)。

2.5患者特征数据与EGFR基因突变的单因素和多因素logistic分析

对上述影响肺腺癌患者的EGFR基因突变的因素采用二分类logistics回归进一步分析(包括性别、吸烟、PET/CT代谢参数、肿瘤标记物、密度、毛刺征、肺内转移和远处转移),结果显示性别(P=0.019)、吸烟(P=0.035)、CEA(P=0.025)、密度(P=0.018)、毛刺征(P=0.008)、肺内转移(P=0.004)均具有统计学差异,而SUVmean P=0.070,但由于SUVmean是本研究的重要影响因素,P值扩大至0.1,也具有统计学差异,均是预测EGFR突变的独立影响因素。

2.6建立模型的可视化列线图

通过logistic回归建立4个临床EGFR基因突变预测模型,进一步分析显示,4个预测模型均具有预测的统计学意义(P<0.05),Model1- 4的诊断百分比分别为78.1%、81.0%、78.1%、81.9%,Model 4的准确性最高。而SUVmean、CEA对EGFR突变预测能力的ROC曲线数据分析显示:SUVmean的cutoff值为4.91,其AUC值为0.612,SE(95%CI)=0.0582(0.512-0.706),敏感度为62.50%,特异度为61.64%;CEA的cutoff值为7.18,其AUC值为0.666,SE(95%CI)=0.0553(0.567-0.755),敏感度为78.12%,特异度为53.42%。而对四个模型将采集的数据集进行预测(四个模型的ROC曲线见图1),结果显示,Model 4对EGFR基因突变的预测能力最强,AUC为0.860。

图1四种模型对EGFR突变预测能力的ROC曲线数据分析

3、讨论

肺癌是最常见的癌症之一,对于早期肺癌,手术切除是最好的治疗方法,而对于晚期无法切除的肺癌患者,目前主要是进行放化疗,但不良反应较大[10]。随诊分子肿瘤学的不断发展,肺癌的分子靶向治疗已得到广泛的临床应用,而EGFR基因的突变是肺癌中第一个被发现可用于预测NSCLC靶向治疗疗效的生物标记物[11]。临床研究发现不吸烟、女性、亚裔及肺腺癌患者是EGFR-TKIs治疗的优势人群,即上述人群EGFR基因突变率比其他人群高[12]。

本研究结果显示,与EGFR基因突变有关的单因素影响因子包括吸烟、性别、SUVmean、密度、毛刺征、肺内转移、CEA,即非吸烟患者与女性患者的EGFR突变率更高,该结果与大部分研究结果一致[13,14],但目前性别的影响原因还不十分清楚,而根据以往对雌激素的研究推测,雌激素可能具有致癌性,例如,女性肺腺癌患者在绝经前其肺癌更具侵袭性[15]。而在在移植肺腺癌细胞株的小鼠模型中,吉非替尼和雌激素受体拮抗剂存在协同效应,证明雌激素受体与EGFR糖蛋白通路可能存在相互作用,但是性别因素对EGFR突变的影响机制仍需进一步研究[16]。

在PET/CT代谢参数及CT影像征象方面,目前还没有一致性结果,本研究结果显示PET/CT代谢参数中SUVmean小于4.91患者的EGFR突变率高以及CT影像征象中出现部分实性密度、毛刺征、肺内转移的患者的EGFR突变率高。Yip等[17]发现SUVmax等PET代谢参数对肺腺癌的EGFR、KRAS突变有预测作用。张亚锐等[18]发现肺癌原发病灶的SUVmax<8.8组对EGFR突变预测的敏感度明显高于SUVmax≥8.8组(71%对比20%,P<0.001)。另有研究发现,SUVmax越高对EGFR突变预测的敏感度越高,研究的差异可能由于各个研究的SUVmax的影响因素较多,如:患者血糖水平,PET仪器型号批次、人种、图像采集操作时间等差异[19]。

血清肿瘤标志物与EGFR突变的相关联系目前还处于研究阶段,研究结论也不统一。本研究结果发现,肿瘤标志物中CEA高于7.18 ng/ml的患者EGFR突变率高。也有研究表明治疗前NSCLC的肿瘤标志物CEA水平可以预测EGFR-TKIs治疗,其中Jung[20]等发现在NSCLC中EGFR突变与肿瘤组织CEA水平呈正相关(P=0.021)。也有研究发现Cyfra21-1和CEA的升高是基因EGFR突变和EGFR-TKIs独立的预测和预后因素[21]。有学者认为,EGFR突变与CEA升高相关,可能由于EGFR基因突变导致下游某传导通路被激活,从而促进了机体抗凋亡发生,导致血清CEA蛋白的激活,致使血清CEA升高[22]。因此,对于EGFR突变的预测,单一的代谢参数不具有足够的说服力,需要结合多个独立影响因素建立EGFR突变预测模型更具准确性[23]。因此,本研究利用患者的临床基本信息、肺腺癌PET/CT代谢参数及其CT影像学特征、肿瘤标志物对EGFR突变的预测能力建立logistic预测回归模型,其中模型4的诊断能力最高,即根据模型4只要分析患者的性别、吸烟情况、病灶密度、是否有毛刺征、是否有肺内转移、SUVmean值及CEA值,可有助于临床分析判断患者是否发生EGFR基因突变。

本研究不足之处: (1)本研究为单中心研究,所以纳入病例量较小,且并非所有肺腺癌患者都会在术前行PET/CT检测,此研究不能准确代表整体肺腺癌人群情况;(2)本研究为回顾性研究,并且数据资料收集繁琐,没有将研究结果进行前瞻性研究来验证其有效性;(3)本研究中的MTV代谢参数的勾画为图像处理工作站(AW4.4)自带软件SUV2.5为阈值进行自动勾选计算,与其他研究所采用SUVmax的阈值分割标准存在一定的区别,期采用多样SUV标准采集MTV,对比研究发现最佳SUV阈值;(4)由于肿瘤易发生肺部及远端转移,在采集原发病灶代谢参数及CT特征时,本研究只采集原发病灶的特征性参数,对于肺内转移较多,排除了不易分辨原发病灶的病例,造成了病例纳入的选择偏移;(5)本研究对肺部的16个CT特征进行提取,仅筛选出个别特征对EGFR突变具有预测能力的参数,由于CT特征为人工提取(由2名PET/CT专业医师分别评判提取),存在评判误差可能。

综上所述,与EGFR基因突变有关的单因素影响因子包括吸烟、性别、SUVmean、密度、毛刺征、肺内转移、CEA,而根据这些影响因子建立的预测模型4将有助于临床分析肺癌患者是否发生EGFR基因的突变,从而指导临床进行靶向药物的个体化治疗。

参考文献：

[18]张亚锐,张旭,胡莹莹,等.非小细胞肺癌18F-FDG摄取与EGFR突变的关系[J].中山大学学报(医学科学版),2011,32(5):674-678.

黄世明,杨洋,尹亮,岳建兰,林志春.~(18)F-FDG PET/CT代谢参数联合肿瘤标志物对肺腺癌EGFR基因突变的预测价值[J].武警医学,2020,31(06):503-508.

基金:武警后勤学院基础研究项目(WHJ201725).